Aggiornamento per rispondere effettivamente alla domanda che hai chiesto ... :) Pre-elaborare l'immagine con un filtro non lineare per sopprimere il rumore di sale & pepe. Filtro mediano forse?
lezione di base su FFT su filtri adattati segue ...
Il modo classico di rilevare un'immagine più piccola all'interno di un'immagine più grande è il filtro abbinato. Essenzialmente, questo implica una correlazione incrociata dell'immagine più grande con l'immagine più piccola (la cosa che stai cercando di riconoscere).
- Per ogni posizione nell'immagine grande
- Overlay l'immagine più piccola sull'immagine grande
- Moltiplicare tutti i pixel corrispondenti
- Somma i risultati
- mettere che somma in questa posizione nell'immagine filtrata
Il filtro corrispondente è ottimale dove l'unico rumore nell'immagine più grande è il rumore bianco.
Questo IS è computazionalmente lento, ma può essere scomposto in operazioni FFT (trasformata veloce di Fourier), che sono molto più efficienti. Esistono approcci molto più sofisticati alla corrispondenza delle immagini che tollerano altri tipi di rumore molto meglio di quanto fa il filtro corrispondente. Ma pochi sono efficienti quanto il filtro corrispondente implementato usando FFT.
Google "filtro corrispondente", "correlazione incrociata" e "filtro di convoluzione" per ulteriori informazioni.
Per esempio, ecco uno breve spiegazione che sottolinea anche gli svantaggi di questo approccio oldschool Image Matching: http://www.dspguide.com/ch24/6.htm
Ma non ha spiegato il motivo per cui ** ** può essere usato per fare cosa simile – user198729
I stava rispondendo ** come ** si potrebbe usare FFT. Quanto al ** perché **, dipenderebbe dal problema. La FFT è dispendiosa dal punto di vista computazionale, quindi il motivo principale per cui lo si usa è se la componente di frequenza è una caratteristica utile. – sjchoi